截止到2020年7月27日，新型冠状病毒肺炎（COVID-19）疫情已波及全球215个国家和地区，报告累计确诊病例1637.4w例，死亡6.5w例，而实际上感染人数和死亡人数可能还要高的多。

疫情扩散导致对医院床位的需求大幅增加，医疗资源和设备出现严重短缺，为了减轻医疗系统的负担，同时也为患者提供尽可能更好的医疗服务，需要对COVID-19进行准确的诊断，并对疾病的预后情况进行有效的评估。

如果能够基于患者入院的基本特征，提前预测患者未来的预后是好还是差，就可以对患者进行分级，进而将有限的医疗资源进行合理的分配，这就需要用到我们在临床研究中经常用到的一个方法--预测模型。

针对COVID-19的预测模型，从基础的评分系统到高级的机器学习模型，各种各样的模型层出不穷。2020年7月1日，BMJ期刊发表了一篇系统综述《Prediction models for diagnosis and prognosis of covid-19：systematic review and critical appraisal》，对现有研究提出的COVID-19预测模型进行了系统评价和批判性评估。

研究人员通过计算机检索了2020年1月3日至5月5日在Pubmed、Embase、BioRxiv、medRxiv、arXiv等多个数据库中，公开发表的或同行审议的或预印本的研究论文，重点关注三种类型的预测模型：对COVID-19严重程度或疑似病例确诊为COVID-19进行预测的诊断模型，对COVID-19感染病程进行预测的预后模型，以及在一般人群中识别出COVID-19感染高危人群的预测模型。

研究人员使用基于CHAMS（预测模型研究系统综述的批判性评估和数据提取）核对表和PROBAST（预测模型偏倚风险评估工具）的标准化数据提取表来对预测模型进行评价，并按照PRISMA（系统综述和Meta分析优先报告条目）和TRIPOD（个体预后或诊断的多因素预测模型报告声明）报告规范对评价结果进行了报告。